keras.layers.Embedding层介绍
本层应用,就是把稀疏矩阵变成一个密集矩阵,也称为查表,因为他们之间是一个一一映射关系。与其对应的是one-hot编码,multi-hot编码,对于特征维度过大的应用,直接使用会造成维度灾难。
Embedding层本质也是一个映射,不过不是映射为on-hot编码,而是映射为一个指定维度的向量,该向量是一个变量,通过学习寻找到最优值;此过程类似word2vec的原理。
而通常输入的特征都是字符串,所以在映射之前先转化为数字,也就是StringLookup对应的count模式所做的事情。
使用方式如下:
import tensorflow as tf
#其中1000表示input_dimension,也就是词汇表的大小,size of vocabulary
embedding = tf.keras.layers.Embedding(1000, 64)
input_array = np.random.randint(20, size=(32, 10))
embedding(input_array)
#输出,数字会随着模型的训练而变化调优
<tf.Tensor: shape=(32, 10, 64), dtype=float32, numpy=
array([[[-0.00223513, 0.04911561, 0.03994017, ..., -0.00141234,0.03842745, -0.03368234],[-0.00223513, 0.04911561, 0.03994017, ..., -0.00141234,0.03842745, -0.03368234],[-0.02339436, -0.03834909, 0.01074553, ..., 0.01113864,-0.04465676, 0.02594434],...,[ 0.02353707, 0.02030389, -0.03473636, ..., -0.00815297,-0.0427214 , -0.02282931],[ 0.02353707, 0.02030389, -0.03473636, ..., -0.00815297,-0.0427214 , -0.02282931],
降维的原理和意义,参考:深度学习-函数-tf.nn.embedding_lookup 与tf.keras.layers.Embedding_茫茫人海一粒沙的博客-CSDN博客
keras.layers.Embedding层介绍相关推荐
- Keras.layers各种层介绍,网络层、卷积层、池化层 等
[转载]Keras.layers各种层介绍 - 心冰之海 - bk园 https://www.cnblogs.com/lhxsoft/p/13534667.html 文章导航 一.网络层 1.常用网络 ...
- keras.layers 各种层介绍
http://www.manongjc.com/detail/8-lmdxlrmdfqxetzq.html
- 嵌入层 tf.keras.layers.Embedding() 介绍【TensorFlow2入门手册】
函数原型 tf.keras.layers.Embedding(input_dim, output_dim, embeddings_initializer='uniform',embeddings_re ...
- tf.keras.layers.Embedding 嵌入层 示例
将正整数(索引)转换为固定大小的密集向量.此层只能用作模型中的第一层 import tensorflow as tf import numpy as np embedding_layer = tf.k ...
- 深度学习-函数-tf.nn.embedding_lookup 与tf.keras.layers.Embedding
embedding函数用法 1. one_hot编码 1.1. 简单对比 1.2.优势分析: 1.3. 缺点分析: 1.4. 延伸思考 2. embedding的用途 2.1 embedding有两个 ...
- TensorFlow tf.keras.layers.Embedding
参数 参数 描述 input_dim 词汇表的维度(总共有多少个不相同的词) output_dim 嵌入词空间的维度 input_length 输入语句的长度 embeddings_initializ ...
- Tensorflow.keras.layers各种层的学习笔记
目录 karas简介 一. 输入层keras.layers.Input 二. 嵌入层keras.layers.Embedding 三. Lambda层keras.layers.Lamda karas简 ...
- 在Keras的Embedding层中使用预训练的word2vec词向量
文章目录 1 准备工作 1.1 什么是词向量? 1.2 获取词向量 2 转化词向量为keras所需格式 2.1 获取所有词语word和词向量 2.2 构造"词语-词向量"字典 2. ...
- 深入浅出TensorFlow2函数——tf.keras.layers.Embedding
分类目录:<深入浅出TensorFlow2函数>总目录 语法 tf.keras.layers.Embedding(input_dim, output_dim, embeddings_ini ...
最新文章
- 腾讯云的ubuntu虚拟主机上再安装VirtualBox遇到的一些错误
- centos安装多个tomcat
- C语言课后习题(2)
- python对象特性教学_Python三个面向对象特性多态性的实用解释,实践,解读,丨,三大,特征,之...
- flir红外数据集_FLIR联合Foresight推广长波红外+可见光四摄视觉系统
- C#内存共享通讯示例
- 微电网逆变器VF控制simulink仿真模型。 采用解耦的电压电流双闭环控制, 输出电压电流波形质量良好
- 编译ffmpeg安卓库(clang篇),含armeabi-v7a , arm64-v8a, x86, x86_64
- 贪吃蛇代码 (登录可全部复制)
- Dell Windows 10中Outlook无法发邮件的问题排查思路
- 我要继续坚持梦想,把我的demo变成产品!
- 城市售票网关于使用selenium撞库的一点心得,可以在抢票时间卡进去
- C# 使用SQLite 错误 - 试图加载格式不正确的程序
- java棒棒糖和皮卡丘八音盒_如何比别人抢先一步买到肯德基的皮卡丘八音盒?我有两个小建议...
- 【微信小程序】WXML WXSS JS
- blend2d + MFC
- Android Studio 关于TextToSpeech Speak失败
- SSE(Server-sent Events)实现Web消息推送(SpringBoot)
- dart pub私有仓库搭建、私有仓库上传方法、上传工具定制
- Arduino- GY30光线传感器实验(检测光照强度)